一种利用稀疏表示的距离扩展目标检测新方法

针对在高斯白噪声背景下距离扩展目标检测问题,通过构造Sinc基来线性表示距离扩展目标的一维距离像,将稀疏表示理论引入到目标检测中,提出了基于Sinc基的自适应子空间检测器检测新方法．首先由基追踪算法估计噪声功率,再由基追踪去噪算法得到的残余分量估计噪声协方差矩阵,最后通过一阶高斯模型自适应子空间检测器来实现距离扩展目标检测．基于实测宽带雷达回波数据的实验结果表明,所构造的Sinc基可以很好地线性表示距离扩展目标的一维距离像,有效地实现距离扩展目标检测．     

基于小波变换的多尺度多阈值语音信号去噪

本文介绍了小波变换在语音去噪上的应用概况，用多尺度多阈值的小波变换方法进行了实验，证明该方法能有效地抑制语音信号的噪声。最后，用谱减法去噪和前者做了比较。     

一种基于生成对抗网络的语音去噪方法

本文提出了维纳滤波算法和生成对抗网络相结合的语音去噪方法.首先用维纳滤波算法对带噪声语音信号进行预处理,提高语音信号的识别度,然后将预处理后的语音信号作为深度学习生成对抗网络的输入,进一步去除噪声信号.实验结果表明,本文提出的去噪方法将带噪声语音信号的分段信噪比从4. 83 db提升到了5. 09 db,去噪效果较为明显.     

一种新的引入MFCC的语音去噪模型

为了提高Speech-denoising Wavenet端到端语音去噪模型的去噪效果,将语音的梅尔频率倒谱系数(MFCC)通过一层全连接层和一层卷积层添加至原模型的空洞卷积层之后。实验结果表明,改进后的模型虽然去噪速度降低了18.42%,但是SNR提升了3.60%且训练时间缩短了接近30%。     

基于小波变换的阈值语音信号去噪

介绍了小波变换在语音去噪方面的应用概况.详细阐述了阈值法中的软阈值和硬阈值方法及它们的不足之处,并针对其缺点提出了软硬阈值折衷法去噪算法.最后,通过实验证明了该算法的优越性.     

基于GSM语音压缩的小波阈值去噪方法的研究

为了解决电话录音中的噪声过大问题,通过对GSM语音压缩信号的特点及其噪声特性进行分析,提出了一种基于多尺度多分辨分析的动态阈值滤波方法。实验结果表明,采用动态阈值滤波方法对信号进行滤波,产生的最小均方误差较低,对GSM语音的去噪效果显著。     

一种新的MEMS陀螺仪信号去噪方法

为提高MEMS陀螺仪输出信号的去噪效果,将稀疏分解(sparse decomposition)与提升小波变换(lifting wavelet transform)相结合,提出了一种新的信号去噪方法.首先,建立MEMS陀螺带噪信号的误差模型,并利用小波提升正变换计算带噪信号的非稀疏的小波系数;然后,利用稀疏分解理论恢复小波系数的稀疏性;最后,再通过小波提升反变换重构信号,从而达到去噪的目的.考虑到梯度投影(gradient projection)算法具有全局最优解,运算效率更高,将梯度投影思想引入恢复信号稀疏性的过程中,提出了基于梯度投影的稀疏分解算法,给出了利用梯度投影算法进行信号系数分解的具体步骤,大大简化了计算复杂度,同时提升了算法的稳定性.为验证所提方法的性能,进行了MEMS陀螺信号去噪的静态实验和跑车实验.实验结果表明,此种方法在动静态条件下都可以有效地去除MEMS陀螺仪输出信号中的噪声,尤其是在静态条件下的去噪效果要优于小波阈值滤波方法.同时采用的梯度投影算法相比于正交匹配追踪算法和基追踪算法具有更高的运算效率.     

基于稀疏编码阈值的平移不变法心电信号去噪

小波去噪易在Q、S波产生Pseudo-Gibbs振荡现象.为克服这个问题,该文然后提出了一种以改进阈值即稀疏编码阈值为依据对心电信号进行平移不变的去噪处理.用模拟信号和MIT-BIH心电数据库仿真,结果表明,该方法很好地保护了心电信号的有用特征,且具有更高的信噪比.     

基于小波变换的信号去噪应用

讨论了一种基于小波变换的信号去噪方法，从3种不同的去噪方法比较中看出小波变换在信号去噪中的优越性，数值实验及实际运用都证明了该方法的有效性．     

一种基于能零积的综合去噪方法

基于短时能零积提出一种改进的语音综合去噪方法.通过短时能零积实现噪音阈值选择和噪音功率谱的自适应调整,得到较理想的语音起止点和噪音的功率谱估计.根据噪音在语音段和无音段不同的分布特征,噪音功率在不同阶段设置不同的权重,实现更好的谱减去噪.对每连续三帧进行残留噪音处理,可进一步除去残留噪音.实验表明,本法去噪效果优于使用固定噪音功率谱估计的传统谱减去噪方法.     

一种新的基于小波变换的语音消噪方法

提出一种新的语音消噪处理方法:二次小波分解全局阈值法.该方法不同于传统阈值消噪方法,首先对语音信号高频部分做了二次分解,然后应用阈值消噪的方法对信号进行消噪处理.该方法在MATLAB上进行了模拟实验.试验结果表明该种方法鲁棒性很好,提高了信噪比,去除了大部分噪声,同时有效信号的能量也相当完整地保留下来,能够很好地解决噪声对语音信号的干扰问题.     

基于稀疏表示的人脸图像压缩方法

基于稀疏表示的人脸图像压缩算法首先对人脸图像进行分块,其次利用K-SVD字典学习算法,训练一个图像的冗余字典,最后用OMP算法对其进行稀疏编码,得到压缩的图像.由于OMP算法复杂度较高,为了降低复杂度,提高算法效率,提出了一种基于稀疏表示理论的新的人脸压缩算法.该算法在稀疏编码阶段,用基于块坐标松弛(Block Coordinate Relation)字典学习算法对人脸图像进行稀疏编码,最后用重构算法对压缩数据进行重构.通过实验仿真,与JPEG压缩方法及OMP算法比较,所提方法在同等压缩比下,重构的图像质量有所提高.     

基于冗余字典的一种新的数字图像水印算法

基于图像的超完备字典稀疏表示是一种新的图像表示理论,利用字典的冗余性可以有效地得到图像的几何结构特征,从而实现图像的表示.当前稀疏表示的理论研究主要集中在稀疏分解算法和字典构造算法两方面.基于此稀疏特性,本文提出了一种新的基于冗余字典的数字水印方法.此方法利用图像在超完备字典上的自适应稀疏分解,通过在字典域实现数字水印算法.实验结果证实了本文所提方法的有效性.     

局部充分稀疏的欠定时盲信号源分离

针对欠定时的盲信号分离,提出了局部充分稀疏条件下估计混叠矩阵A的新算法.该算法不要求源信号所有采样时刻都充分稀疏,先通过搜索,把处于同一直线的向量一一归类,再对所得的类的向量进行处理,把混叠矩阵A确定出来.仿真实验结果表明算法是有效的.     

一种新的基于EMD模态相关的信号去噪方法

基于模态相关的准则,提出了一种新的信号去噪方法。首先对原信号进行经验模态分解（EMD）,其次根据各阶固有模态与原信号的相关系数曲线中第一个极小值点的位置作为标准定出噪声主导性模态与信号主导性模态的分界点,最后将固有模态函数（IMF）中信号起主导作用的模态成分进行重构来实现去噪。将该方法应用于仿真信号与实际光辐射强度信号的去噪,结果表明该方法在有效去噪的同时能较好地保持原信号的细节信息,具有较好的推广性。     

基于二维稀疏表示和范数优化的织物疵点分类研究

针对一维压缩采样丢失图像的结构信息,并带来识别精度损失的问题,提出了二维压缩采样的方法.利用一组稀疏基对疵点原始数据进行感知得到稀疏化数据,将织物疵点数据用二维稀疏表示,再利用范数优化的方法实现压缩数据的准确重建,根据稀疏基的不同得到织物疵点的不同分类.该方法解决了采集数据的泛滥和传感器的浪费,降低了计算的复杂度,有利于织物疵点的分类研究,进而为机器视觉识别织物疵点打下理论基础.     

Novel Representations of Word Embedding Based on the Zolu Function

Two learning models, Zolu-continuous bags of words(ZL-CBOW) and Zolu-skip-grams(ZL-SG), based on the Zolu function are proposed. The slope of Relu in word2vec has been changed by the Zolu function. The proposed models can process extremely large data sets as well as word2vec without increasing the complexity. Also, the models outperform several word embedding methods both in word similarity and syntactic accuracy. The method of ZL-CBOW outperforms CBOW in accuracy by 8.43% on the training set of...     

Two-Dimensional Direction Finding via Sequential Sparse Representations

The problem of two-dimensional direction finding is approached by using a multi-layer L-shaped array.The proposed method is based on two sequential sparse representations,fulfilling respectively the estimation of elevation angles,and azimuth angles.For the estimation of elevation angles,the weighted sub-array smoothing technique for perfect data decorrelation is used to produce a covariance vector suitable for exact sparse representation,related only to the elevation angles.The estimates of elevation angles are then obtained by sparse restoration associated with this elevation angle dependent covariance vector.The estimates of elevation angles are further incorporated with weighted sub-array smoothing to yield a second covariance vector for precise sparse representation related to both elevation angles,and azimuth angles.The estimates of azimuth angles,automatically paired with the estimates of elevation angles,are finally obtained by sparse restoration associated with this latter elevation-azimuth angle related covariance vector.Simulation results are included to illustrate the performance of the proposed method.